语音技能创建方法、装置、电子设备和介质与流程

本申请实施例涉及互联网技术领域，尤其涉及语音技能技术领域，具体涉及一种语音技能创建方法、装置、电子设备和介质。

背景技术：

随着人工智能技术的发展，诸如智能音箱等智能设备变得越来越广泛，并已充斥于人们的日常生活中。语音技能作为智能设备的基础功能，其能够为用户提供对话式交互服务，模拟用户实际生活中的交互场景，而其中，技能是一个极为重要的分支，能够实现用户语音可交互的交互场景，用户仅通过语音就可以完成与语音技能的交互，就像与人交互一样自然。

目前，语音技能只能由专业开发人员通过编写代码来创建，对于不具备专业开发能力的用户来说，则无法自行创建和维护语音技能，因此，针对语音技能的创建和维护，效率都很低。

技术实现要素：

本申请实施例提供了语音技能创建方法、装置、电子设备及存储介质，以实现让不具备专业开发能力的用户能够为智能设备创建的语音技能，提升语音技能的创建和维护的效率。

第一方面，本申请实施例提供了一种语音技能创建方法，包括：

响应对语音技能的创建请求，显示编辑界面，其中，所述编辑界面上至少包括剧情配置子界面；

获取用户通过所述剧情配置子界面配置的剧情交互文本；

将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能。

上述申请中的一个实施例具有如下优点或有益效果：通过为用户提供一个编辑界面，以便用户配置剧情，并将用户配置的剧情生成语音交互话术，进而基于语音交互话术创建语音技能，由此使得不具备专业开发能力的用户能够为智能设备创建的语音技能，提升语音技能的创建和维护的效率。

可选的，所述剧情配置子界面用于对所述剧情中的步骤、各步骤涉及的问题、各问题涉及的不同选项内容以及不同选项内容的跳转步骤序号进行配置。

上述申请中的一个实施例具有如下优点或有益效果：通过提供剧情配置子界面，提升用户配置剧情的效率。

可选的，所述将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能，包括：

将所述剧情中各步骤涉及的问题和各问题涉及的不同选项内容生成语音交互话术；

依据所述语音交互话术以及所述剧情中的步骤和不同选项内容的跳转步骤序号，创建语音技能。

上述申请中的一个实施例具有如下优点或有益效果：根据剧情步骤涉及的问题及选项生成交互话术，进而结合不同步骤之间的跳转步骤序号，作创建语音技能，由此可提升创建语音技能的效率。

可选的，所述编辑界面还包括欢迎语配置子界面，用于配置进入语音技能时播报的欢迎语。

可选的，所述编辑界面还包括退出语配置子界面，用于配置退出语音技能时播报的退出语。

可选的，所述编辑界面还包括不能理解意图配置子界面，用于对引导语进行配置，所述引导语用于当用户的语音识别结果未命中语音技能中剧情的语音交互场景设定时，播报所述引导语以提示并引导用户用剧情中的设定指令进行交互。

可选的，所述编辑界面还包括自定义回复配置子界面，用于对自定义回复内容进行配置，其中，所述自定义回复内容至少包括意图、表达和回复内容，用于当针对用户当前表达的语音识别结果命中所述意图后，播报所述回复内容。

上述申请中的一个实施例具有如下优点或有益效果：编辑界面提供欢迎语配置子界面，退出语配置子界面，不能理解意图配置子界面，自定义回复配置子界面，通过相应的配置可引导或帮助用户进行语音交互，从而丰富交互内容，提高交互效率。

可选的，所述编辑界面还包括音效插入子界面，用于对所述剧情中任一位置待播报的音效进行配置。

上述申请中的一个实施例具有如下优点或有益效果：通过插入音效可提升创建的语音技能的丰富性。

可选的，所述方法还包括：

响应对所述编辑界面上的导出代码控件的触发操作，将当前创建的语音技能以代码形式导出，得到语音技能的代码文件。

上述申请中的一个实施例具有如下优点或有益效果：通过将当前创建的语音技能以代码形式导出，便于用户可以对代码进行二次编辑，使得技能更加丰富。

第二方面，本申请实施例提供了一种语音技能创建装置，包括：

编辑界面显示模块，用于响应对语音技能的创建请求，显示编辑界面，其中，所述编辑界面上至少包括剧情配置子界面；

剧情获取模块，用于获取用户通过所述剧情配置子界面配置的剧情交互文本；

技能创建模块，用于将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能。

第三方面，本申请实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的语音技能创建方法。

第四方面，本本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的语音技能创建方法。

上述申请中的一个实施例具有如下优点或有益效果：通过为用户提供一个编辑界面，以便用户配置剧情，并将用户配置的剧情生成语音交互话术，进而基于语音交互话术创建语音技能，由此使得不具备专业开发能力的用户能够为智能设备创建的语音技能，提升语音技能的创建和维护的效率。而且编辑界面还提供欢迎语配置子界面，退出语配置子界面，不能理解意图配置子界面，自定义回复配置子界面，通过相应的配置可引导或帮助用户进行语音交互，从而丰富交互内容，提高交互效率。同时，可将当前创建的语音技能以代码形式导出，便于用户可以对代码进行二次编辑，使得技能更加丰富。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1a是根据本申请实施例的语音技能创建方法的流程示意图；

图1b是根据本申请实施例的已配置好剧情的剧情配置子界面的效果示意图；

图1c是根据本申请实施例的编辑界面的效果示意图；

图2是根据本申请实施例的另一语音技能创建方法的流程示意图；

图3是根据本申请实施例的语音技能创建装置的结构示意图；

图4是用来实现本申请实施例的语音技能创建方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1a是本申请实施例的语音技能创建方法的流程示意图，本实施例可适用于为具有语音识别能力的智能设备开发语音技能的情况，例如为智能设备开发故事类语音技能。该方法可由语音技能创建装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如智能音箱等智能设备，或者是用于为智能设备创建语音技能的服务器。如图1a所示，该方法具体包括如下：

s101、响应对语音技能创建请求，显示编辑界面。

其中，所述编辑界面上至少包括剧情配置子界面，剧情配置子界面用于对剧情中的步骤、各步骤涉及的问题、各问题涉及的不同选项内容以及不同选项内容的跳转步骤序号进行配置。

其中，剧情配置子界面提供了一个“增加新的步骤”的控件，用户可通过点击该控件，增加一个新步骤，同时编写剧情中该步骤涉及的问题、各问题涉及的不同选项内容以及不同选项内容的跳转步骤序号。在此需要说明的是，用户可直接通过文字输入的方式进行编写，而不用通过编写代码来实现，保证非专业人员也可以简单快捷的利用剧情配置子界面完成剧情的编写。示例性的，参见图1b，其示出了已配置好剧情的剧情配置子界面的效果示意图。

s102、获取用户通过所述剧情配置子界面配置的剧情交互文本。

示例性的，如图1b所示，以创建故事类语音技能为例，在剧情配置子界面中添加故事剧情，在用户编辑完剧情后，系统可从后台获取剧情的所有步骤，以及各步骤涉及的问题、各问题涉及的不同选项内容以及不同选项内容的跳转步骤序号，并将获得的数据内容作为剧情交互文本。

s103、将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能。

可选的，可按如下步骤创建语音技能：

s1.将剧情中各步骤涉及的问题和各问题涉及的不同选项内容生成语音交互话术。

示例性的，针对图1b中的步骤1对应的内容，生成语音互动话术为“现在你来到了神奇世界，你要去哪里？第一个：博物馆；第二个，银行；第三个，理发店。你可以对我说第一个，第二个，或者第三个”。

s2.依据所述语音交互话术以及所述剧情中的步骤和不同选项内容的跳转步骤序号，创建语音技能。

根据剧情中的步骤和不同选项内容的跳转步骤序号，将多个不同步骤的语音交互话术进行组合，形成语音技能，例如，根据附图1b中的剧情，可生成故事类语音技能。后续智能设备可基于语音技能完成与用户的语音交互。具体的，在本申请的智能设备中还包括语音识别模块，用于识别用户的语音，在剧情中根据识别结果进行各步骤的跳转，以完成语音交互。示例性的，语音交互过程如下：

智能设备：“现在你来到了神奇世界，你要去哪里？第一个：博物馆；第二个，银行；第三个，理发店。你可以对我说第一个，第二个，或者第三个”。

用户：“第一个”。

智能设备：“你来到了博物馆，是否购买门票？第一个，是；第二个，否”。

本申请实施例的方案，通过为用户提供一个编辑界面，以便用户配置剧情，并将用户配置的剧情生成语音交互话术，进而基于语音交互话术与不同选项的跳转序号创建语音技能，由此使得不具备专业开发能力的用户能够为智能设备创建的语音技能，提升语音技能创建的效率。

参见图1c，其示出了一种编辑界面的效果示意图，其中编辑界面除了上述的剧情配置子界面外，还包括欢迎语配置子界面、退出语配置子界面、不能理解意图配置子界面、自定义回复配置子界面和音效插入子界面。

其中，欢迎语配置子界面，用于配置进入语音技能时播报的欢迎语，以作为整个技能的引导。在此需要说明的是，欢迎语可以添加多条，播报时可随机抽出一条进行播报。

退出语配置子界面，用于配置退出语音技能时播报的退出语。同样，退出语也可以添加多条，播报时可随机抽出一条进行播报。

不能理解意图配置子界面，用于对引导语进行配置，所述引导语用于当用户的语音识别结果未命中语音技能中剧情的语音交互场景设定时，播报所述引导语以提示并引导用户用剧情中的设定指令进行交互。引导语也可以添加多条，播报时可随机抽出一条进行播报。

自定义回复配置子界面，用于对自定义回复内容进行配置，其中，所述自定义回复内容至少包括意图、表达和回复内容，用于当针对用户当前表达的语音识别结果命中所述意图后，播报所述回复内容，以帮助用户进行交互。

音效插入子界面，用于对剧情中任一位置待播报的音效进行配置。其中音效可以为用户添加的标准格式规范的伪代码音频与链接。伪代码音频可以直接插入文字中，智能设备会按照用户的插入进行音频的播报。

本申请实施例的方案中，编辑界面可以是编辑器的界面，通过编辑器可视化的、便捷的操作即可创建出语音技能。编辑界面还提供欢迎语配置子界面，退出语配置子界面，不能理解意图配置子界面，自定义回复配置子界面，通过相应的配置可引导或帮助用户进行语音交互，进而提升语音交互体验。通过音效配置子界面，支持伪代码音频插入，提高语音技能的丰富性。

图2是本申请实施例的另一语音技能创建方法的流程示意图，本实施例在上述实施例的基础上进一步进行优化，增加了代码导出的步骤。如图2所示，该方法具体包括如下：

s201、响应对语音技能的创建请求，显示编辑界面。

其中，所述编辑界面上至少包括剧情配置子界面、欢迎语配置子界面，退出语配置子界面，不能理解意图配置子界面，自定义回复配置子界面、音效插入子界面、导出代码控件。

s202、获取用户通过所述剧情配置子界面配置的剧情交互文本。

s203、将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能。

s204、响应对所述编辑界面上的导出代码控件的触发操作，将当前创建的语音技能以代码形式导出，得到语音技能的代码文件。

其中，触发操作可选的为单击操作或双击操作。

本申请实施例的方案，通过响应用户的触发操作，可将当前创建的语音技能以代码形式导出，便于用户可以对代码进行二次编辑，使得语音技能更加丰富。

图3是本申请实施例的语音技能创建装置的结构示意图，可适用于具有语音交互功能的设备上为设备开发语音技能的情况。该装置可实现本申请任一实施例所述的语音技能创建方法。如图3所示，该装置300具体包括：

编辑界面显示模块301，用于响应对语音技能的创建请求，显示编辑界面，其中，所述编辑界面上至少包括剧情配置子界面；

剧情获取模块302，用于获取用户通过所述剧情配置子界面配置的剧情交互文本；

技能创建模块303，用于将所述剧情交互文本生成语音交互话术，并依据所述语音交互话术创建语音技能。

可选的，所述剧情配置子界面用于对剧情中的步骤、各步骤涉及的问题、各问题涉及的不同选项内容以及不同选项内容的跳转步骤序号进行配置。

可选的，所述技能创建模块，包括：

语音交互话术生成单元，用于将所述剧情中各步骤涉及的问题和各问题涉及的不同选项内容生成语音交互话术；

技能创建单元，用于依据所述语音交互话术以及所述剧情中的步骤和不同选项内容的跳转步骤序号，创建语音技能。

可选的，所述编辑界面还包括欢迎语配置子界面，用于配置进入语音技能时播报的欢迎语。

可选的，所述编辑界面还包括退出语配置子界面，用于配置退出语音技能时播报的退出语。

可选的，所述编辑界面还包括不能理解意图配置子界面，用于对引导语进行配置，所述引导语用于当用户的语音识别结果未命中语音技能中剧情的语音交互场景设定时，播报所述引导语以提示并引导用户用剧情中的设定指令进行交互。

可选的，所述编辑界面还包括自定义回复配置子界面，用于对自定义回复内容进行配置，其中，所述自定义回复内容至少包括意图、表达和回复内容，用于当针对用户当前表达的语音识别结果命中所述意图后，播报所述回复内容。

可选的，所述编辑界面还包括音效插入子界面，用于对剧情中任一位置待播报的音效进行配置。

可选的，所述装置还包括：

代码文件生成模块，用于响应对所述编辑界面上的导出代码控件的触发操作，将当前创建的语音技能以代码形式导出，得到语音技能的代码文件。

本申请实施例所提供的语音技能创建装置可执行本申请任意实施例所提供的语音技能创建方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，是根据实现本申请实施例的语音技能创建方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的语音技能创建方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的语音技能创建方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的语音技能创建方法对应的程序指令/模块(例如，附图3所示的编辑界面显示301、剧情获取模块302和技能创建模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音技能创建方法。

存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现语音技能创建方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至实现语音技能创建方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现语音技能创建的方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与实现语音技能创建方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过为用户提供一个编辑界面，以便用户配置剧情，并将用户配置的剧情生成语音交互话术，进而基于语音交互话术创建语音技能，由此使得不具备专业开发能力的用户能够为智能设备创建的语音技能，提升语音技能的创建和维护的效率。而且编辑界面还提供欢迎语配置子界面，退出语配置子界面，不能理解意图配置子界面，自定义回复配置子界面，通过相应的配置可引导或帮助用户进行语音交互，进而提升语音交互体验。同时，可将当前创建的语音技能以代码形式导出，便于用户可以对代码进行二次编辑，使得技能更加丰富。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。